聚类分析matlab程序 matlab实现系统聚类图

聚类分析的概念主要是来自多元统计分析,例如,考虑二维坐标系上有散落的许多点,这时,需要对散点进行合理的分类,就需要聚类方面的知识.模糊聚类分析方法主要.

展示如何使用MATLAB进行聚类分析 分别运用分层聚类、K均值聚类以及高斯混合模型来进行分析,然后比较三者的结果 生成随机二维分布图形,三个中心% 使用高斯分.

本文重点是展示如何用Matlab来进行聚类分析.如果有需要解答的问题请留言,笔者会尽其所能地回答.内容 展示如何使用MATLAB进行聚类分析 生成随机二维分布图形.

x=[6285 43544944 377923490 1831414620 1073812723 891017379 117027346 . 楼主的x,y说明是不是有点问题啊.上面的程序是对“行”求聚类,其中T值一样的对应.

%%k均值聚类的示例代码:X = [randn(100,2)+ones(100,2);. randn(100,2)-ones(100,2)]; opts = statset('Display','final'); [idx,ctrs] = kmeans(X,2,. 'Distance','city',. '.

建议你直接使用命令clusterdata() 程序如下: x=[1 2 3 34 44 78 5 6 3 0.2 34 56 67 ]'; >> T=clusterdata(x,'maxclust',2) T = 1 1 1 2 2 2 1 1 1 1 2 2 2 结果解释:T值为1的表示为第一类,2的表示为第二类;即1 2 3 5 6 3 0.2为第一类,其余的为第二类.

x2=zscore(x'); y2=pdist(x2'); z2=linkage(y2); c2=cophenet(z2,y2); t=cluster(z2,6); h=dendrogram(z2); 这些是matlab里面自带的函数,只要把你要分类的数据赋值给x就行了.

可以使用kmeans函数进行均值聚类

[IDX,C,sumd] = kmeans(X,k)其中X是只含数字部分的矩阵.k是要聚集的类数.

直接调kmeans函数.k = 3;%类别数idx = kmeans(X, k);%idx就是每个样本点的标号.